🚀 事前学習済みSegFormer(b0サイズ)エンコーダ
SegFormerエンコーダは、Imagenet - 1k上で微調整されています。これはXieらによって論文SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformersで提案され、初めてこのリポジトリで公開されました。
免責事項:SegFormerを公開したチームはこのモデルのモデルカードを作成しておらず、このモデルカードはHugging Faceチームによって作成されています。
🚀 クイックスタート
このモデルはSegFormerの事前学習済みエンコーダで、セマンティックセグメンテーションの微調整タスクに使用できます。あなたが興味を持っているタスクに対して微調整されたバージョンをモデルセンターで見つけることができます。
✨ 主な機能
SegFormerは階層型Transformerエンコーダと軽量な全MLPデコーダヘッドで構成されており、ADE20KやCityscapesなどのセマンティックセグメンテーションベンチマークで優れた結果を達成しています。階層型TransformerはまずImageNet - 1k上で事前学習され、その後デコーダヘッドが追加され、下流のデータセット上で全体的に微調整されます。このリポジトリには、微調整目的で使用できる事前学習済みの階層型Transformerのみが含まれています。
💻 使用例
基本的な使用法
以下は、このモデルを使用してCOCO 2017データセットの画像を1000のImageNetクラスのいずれかに分類する方法の例です:
from transformers import SegformerImageProcessor, SegformerForImageClassification
from PIL import Image
import requests
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
image_processor = SegformerImageProcessor.from_pretrained("nvidia/mit-b0")
model = SegformerForImageClassification.from_pretrained("nvidia/mit-b0")
inputs = image_processor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])
より多くのコード例はドキュメントを参照してください。
📚 ドキュメント
想定される用途と制限
このモデルはセマンティックセグメンテーションの微調整に使用できます。あなたが興味を持っているタスクに対して微調整されたバージョンをモデルセンターで見つけることができます。
🔧 技術詳細
SegFormerは階層型Transformerエンコーダと軽量な全MLPデコーダヘッドで構成されています。階層型TransformerはまずImageNet - 1k上で事前学習され、その後デコーダヘッドが追加され、下流のデータセット上で全体的に微調整されます。このリポジトリには、微調整目的で使用できる事前学習済みの階層型Transformerのみが含まれています。
📄 ライセンス
このモデルのライセンス情報はこちらで確認できます。
BibTeX引用情報
@article{DBLP:journals/corr/abs-2105-15203,
author = {Enze Xie and
Wenhai Wang and
Zhiding Yu and
Anima Anandkumar and
Jose M. Alvarez and
Ping Luo},
title = {SegFormer: Simple and Efficient Design for Semantic Segmentation with
Transformers},
journal = {CoRR},
volume = {abs/2105.15203},
year = {2021},
url = {https://arxiv.org/abs/2105.15203},
eprinttype = {arXiv},
eprint = {2105.15203},
timestamp = {Wed, 02 Jun 2021 11:46:42 +0200},
biburl = {https://dblp.org/rec/journals/corr/abs-2105-15203.bib},
bibsource = {dblp computer science bibliography, https://dblp.org}
}
情報テーブル
属性 |
詳細 |
モデルタイプ |
SegFormer(b0サイズ)事前学習済みエンコーダ |
学習データ |
ImageNet - 1k |